来源： 中国科学报

　　日前，北京师范大学系统科学学院王文旭团队提出了基于少量观测数据并具有强抗噪性和鲁棒性的复杂网络重构方法。相关研究成果已发表在《美国物理评论快报》上。

　　认识复杂系统中个体间相互作用的复杂网络是研究、预测和控制复杂系统行为的核心问题。但是，很多复杂网络结构无法被直接探测或者探测代价巨大，例如脑功能网络、各种社会关系网络、基因调控网等。因此，通过可探测数据间接重构和推断网络结构具有重要的科学价值。在大数据时代的背景下，复杂网络重构方法对于通过各种实证数据研究复杂社会、经济、生物、技术等系统有更加广阔的应用前景。

　　王文旭团队提出了基于The Lasso方法重构复杂系统相互作用网络结构的基本途径。这一网络重构方法利用复杂网络天然的稀疏性，把复杂网络重构问题转化成为稀疏信号重构问题，进而应用The Lasso方法实现重构。该方法虽然只需要少量数据，但是具有强抗噪性和抵抗缺失信息的强鲁棒性，对于经常有噪声干扰和缺失信息的实证数据有很高的应用价值。研究工作将这一方法应用到博弈关系网络、通讯网络和智能电网上，取得了良好的效果。

转载自http://www.cutech.edu.cn/cn/gxkj/2015/01/1421776848138887.htm